基于carba具备认知能力的规则引擎自搜索模型的实现 an implementation scheme for cognitive search model based on carba for rule matching.pdfVIP

研究与开发 基于CARBA具备认知能力的规则引擎自搜索模型的实现掌 郑 勇，卢捍华，陈 宫，周永才 (南京邮电大学 南京210003) 本文通过介绍规则引擎和Rete匹配算法提出了自搜索的重要性和必要性，随后介绍了具备认知 功能的自搜索方案，然后提出了一种分布式环境下基于公共agent请求代理体系结构(CARBA)的 具备认知能力的规则引擎自搜索模型以及自搜索模型中基于agent协作的二次自学习算法，最后 对该机器学习算法进行实验分析并提出了改进方法。 l关键谲规则弓l擎；自搜索；‰髓算法；eA控B轰；钒器学囔 规则匹配作为规则引擎的核心，它的执行效率决定了 1 引言 整个规则引擎的效率。规则匹配主要是通过匹配算法从工 当前。很多大型应用系统在处理业务逻辑时都依赖于 作存储器中提取事实进行匹配操作的。研究发现，同样的搜 业务规则，随着EAI(企业应用集成)技术的发展，各种应用索条件，如果各个原子条件排序不同或者约束组合不同，就 系统的集成化开发和管理成为可能，在EAI的这场改革中， 会导致不同数量的事实进入规则匹配环节。数据过多会降 各种复杂数据的融合以及业务规则的变化和升级势必给应 低规则匹配的效率，而且在这些事实数据中经常存在大量 用系统的改造带来了巨大的成本。以电信系统为例，一般在 的、与匹配无关的无效数据，这些无效数据影响了规则引擎 开发过程中涉及各种类型的对象。数据量大、关系复杂，且 的处理效率。 业务规则经常变化，系统开发成本很高，流程设计复杂。规 提高规则匹配的效率一般有两种方案，一种是改进匹 则引擎的出现为这一难题提供了可行的解决方案。 配算法。另一种则是通过减少进入规则匹配环节的无效数 规则引擎11．21是一种嵌入在应用程序中的组件。可以与 据来优化匹配过程。自搜索便是第二种方案。本文提出了一 程序绑定在一起，实现了业务策略与程序代码的分离和宽 松耦合。它可以集成到含有业务规则的应用程序中，按需执 力的规则引擎自搜索模型。并提出了一种二次自学习算法 行规则库[31里面的业务规则即可完成业务需求，使得开发流 来解决自搜索中机器学习和匹配效率问题。 程更加灵活和自动化。 2 Rete匹配算法和自搜索 LC在 Rete匹配算法闱是由卡耐基梅隆大学的Forgy ·国家“十一五”计划基金资助项目(N以Ocr7BAHl7804)，国家863” 1982年提出的．目前已经成为匹配效率最高的Forward— 计划基金资助项目(No．2009AA012212和No．2009AAOIZ202)，福 建富士通公司基金资助项目 chaining推理算法，被很多商用业务规则引擎产品采用。 万方数据 研究与开发 2．1 Rete匹配算法 2．2 自搜索 Rete匹配算法通过建立匹配网络来实现，如图1所示。 参考文献『51中指出了Rete算法存在以下不足： 它可分为Alpha网络和Beta网络两个部分，图1左边是·存储在Alpha存储器中的事实数据在程序开发中表 现为数据对象，当事实数据量很大时。内存的开销也 Beta网络部分，右边是Alpha网络。Alpha部分可以从工作 存储器中获取事实数据进行初步检测和分拣。并输出到单 将很大： 独的Alpha存储器中。Beta网络从顶节点开始自上而下